[转] python中的高效迭代器函数
python中内置的库中有个itertools,可以满足我们在编程中绝大多数需要迭代的场合,当然也可以自己造轮子,但是有现成的好用的轮子不妨也学习一下,看哪个用的顺手~
首先还是要先import一下:
#import itertools
from itertools import * #最好使用时用上面那个,不过下面的是为了演示比较常用的,所以就直接全部导入了
一.无限迭代器:
由于这些都是无限迭代器,因此使用的时候都要设置终止条件,不然会一直运行下去,也就不是我们想要的结果了。
1、count()
可以设置两个参数,第一个参数为起始点,且包含在内,第二个参数为步长,如果不设置第二个参数则默认步长为1
for x in count(10,20):if x < 200:print x
def count(start=0, step=1):# count(10) --> 10 11 12 13 14 ...# count(2.5, 0.5) -> 2.5 3.0 3.5 ...n = startwhile True:yield nn += step
2、cycle()
可以设置一个参数,且只接受可以迭代的参数,如列表,元组,字符串。。。,该函数会对可迭代的所有元素进行循环:
for i,x in enumerate(cycle('abcd')):if i < 5:print x
def cycle(iterable):# cycle('ABCD') --> A B C D A B C D A B C D ...saved = []for element in iterable:yield elementsaved.append(element)while saved:for element in saved:yield element
3、repeat()
可以设置两个参数,其中第一个参数要求可迭代,第二个参数为重复次数,第二个参数如不设置则无限循环,一般来说使用时都会设置第二个参数,用来满足预期重复次数后终止:
#注意如果不设置第二个参数notebook运行可能会宕机
for x in repeat(['a','b','c'],10):print x
二.有限迭代器
1、chain()
可以接受不定个数个可迭代参数,不要求可迭代参数类型相同,会返回一个列表,这个类似于list的extend,不过不同点是list的extend是对原变量进行改变不返回,而chain则是就地改变并返回:
list(chain(range(4),range(5)))list(chain(range(4),'abc'))list(chain(('a','b','c'),'nihao',['shijie','zhongguo']))
def chain(*iterables):# chain('ABC', 'DEF') --> A B C D E Ffor it in iterables:for element in it:yield element
2.compress()
第一个参数为可迭代类型,第二个参数为0和1的集合,两者长度可以不等,
这个暂时不知道可以用在哪里、
list(compress(['a','b','c','d','e'],[0,1,1,1,0,1]))
def compress(data, selectors):# compress('ABCDEF', [1,0,1,0,1,1]) --> A C E Freturn (d for d, s in izip(data, selectors) if s)
3.dropwhile()
接受两个参数,第一个参数为一个判断类似于if语句的函数,丢弃满足的项,直到第一个不满足的项出现时停止丢弃,就是
#伪代码大概是这个样子的
if condition:drop elementwhile not condition:stop drop
list(dropwhile(lambda x:x>5,range(10,0,-1)))
def dropwhile(predicate, iterable):# dropwhile(lambda x: x<5, [1,4,6,4,1]) --> 6 4 1iterable = iter(iterable)for x in iterable:if not predicate(x):yield xbreakfor x in iterable:yield x
4.groupby
对给定可迭代集合(有重复元素)进行分组,返回的是一个元组,元组的第一个为分组的元素,第二个为分组的元素集合,还是看代码吧:
for x,y in groupby(['a','a','b','b','b','b','c','d','e','e']):print xprint list(y)print ''out:a['a', 'a']b['b', 'b', 'b', 'b']c['c']d['d']e['e', 'e']
class groupby(object):# [k for k, g in groupby('AAAABBBCCDAABBB')] --> A B C D A B# [list(g) for k, g in groupby('AAAABBBCCD')] --> AAAA BBB CC Ddef __init__(self, iterable, key=None):if key is None:key = lambda x: xself.keyfunc = keyself.it = iter(iterable)self.tgtkey = self.currkey = self.currvalue = object()def __iter__(self):return selfdef next(self):while self.currkey == self.tgtkey:self.currvalue = next(self.it) # Exit on StopIterationself.currkey = self.keyfunc(self.currvalue)self.tgtkey = self.currkeyreturn (self.currkey, self._grouper(self.tgtkey))def _grouper(self, tgtkey):while self.currkey == tgtkey:yield self.currvalueself.currvalue = next(self.it) # Exit on StopIterationself.currkey = self.keyfunc(self.currvalue)
5.ifilter()
这个有点像是filter函数了,不过有点不同,filter返回的是一个完成后的列表,而ifilter则是一个生成器,使用的yield
#这样写只是为了更清楚看到输出,其实这么写就跟filter用法一样了,体现不到ifilter的优越之处了
list(ifilter(lambda x:x%2,range(10)))
6.ifilterfalse()
这个跟ifilter用法很像,只是两个是相反数的关系。
list(ifilterfalse(lambda x:x%2,range(10)))
7.islice()
接受三个参数,可迭代参数,起始切片点,结束切片点,最少给定两个参数,当只有两个参数为默认第二个参数为结束切片点:
In: list(islice(range(10),2,None))
Out: [2, 3, 4, 5, 6, 7, 8, 9]In: list(islice(range(10),2))
Out: [0, 1]
8.imap()
接受参数个数跟目标函数有关:
#接受两个参数时
list(imap(abs,range(-5,5)))#接受三个参数时
list(imap(pow,range(-5,5),range(10)))#接受四个参数时
list(imap(lambda x,y,z:x+y+z,range(10),range(10),range(10)))
9.starmap()
这个是imap的变异,即只接受两个参数,目标函数会作用在第二个参数集合中、
in: list(starmap(pow,[(1,2),(2,3)]))
out: [1, 8]
10.tee()
接受两个参数,第一个参数为可迭代类型,第二个为int,如果第二个不指定则默认为2,即重复两次,有点像是生成器repeat的生成器类型,
这个就有意思了,是双重生成器输出:
for x in list(tee('abcde',3)):print list(x)
11.takewhile()
这个有点跟dropwhile()很是想象,一个是丢弃,一个是拿取:
伪代码为:
if condition:take this elementwhile not condition:stop take
eg:
in: list(takewhile(lambda x:x<10,(1,9,10,11,8)))
out: [1, 9]
12.izip()
这个跟imap一样,只不过imap是针对map的生成器类型,而izip是针对zip的:
list(izip('ab','cd'))
13.izip_longest
针对izip只截取最短的,这个是截取最长的,以None来填充空位:
list(izip_longest('a','abcd'))
三、组合迭代器
1.product()
这个有点像是多次使用for循环,两者可以替代。
list(product(range(10),range(10)))#本质上是这种的生成器模式
L = []
for x in range(10):for y in range(10):L.append((x,y))
2.permutations()
接受两个参数,第二个参数不设置时输出的没看出来是什么鬼,
第二个参数用来控制生成的元组的元素个数,而输出的元组中最后一个元素是打乱次序的,暂时也不知道可以用在哪
list(permutations(range(10),2))
3.combinations()
用来排列组合,抽样不放回,第二个参数为参与排列组合的个数
list(combinations('abc',2))
def combinations(iterable, r):# combinations('ABCD', 2) --> AB AC AD BC BD CD# combinations(range(4), 3) --> 012 013 023 123pool = tuple(iterable)n = len(pool)if r > n:returnindices = range(r)yield tuple(pool[i] for i in indices)while True:for i in reversed(range(r)):if indices[i] != i + n - r:breakelse:returnindices[i] += 1for j in range(i+1, r):indices[j] = indices[j-1] + 1yield tuple(pool[i] for i in indices)
def combinations(iterable, r):pool = tuple(iterable)n = len(pool)for indices in permutations(range(n), r):if sorted(indices) == list(indices):yield tuple(pool[i] for i in indices)
4.combinations_with_replacement()
与上一个的用法不同的是抽样是放回的
def combinations_with_replacement(iterable, r):# combinations_with_replacement('ABC', 2) --> AA AB AC BB BC CCpool = tuple(iterable)n = len(pool)if not n and r:returnindices = [0] * ryield tuple(pool[i] for i in indices)while True:for i in reversed(range(r)):if indices[i] != n - 1:breakelse:returnindices[i:] = [indices[i] + 1] * (r - i)yield tuple(pool[i] for i in indices)
def combinations_with_replacement(iterable, r):pool = tuple(iterable)n = len(pool)for indices in product(range(n), repeat=r):if sorted(indices) == list(indices):yield tuple(pool[i] for i in indices)
参考:https://docs.python.org/2/library/itertools.html#itertools.combinations_with_replacement
[转] python中的高效迭代器函数相关推荐
- python平方数迭代器_对python中的高效迭代器函数详解
python中内置的库中有个itertools,可以满足我们在编程中绝大多数需要迭代的场合,当然也可以自己造轮子,但是有现成的好用的轮子不妨也学习一下,看哪个用的顺手~ 首先还是要先import一下: ...
- python中的高阶函数
python中的高阶函数 文章目录: 1 什么是高阶函数? 1.1 高阶函数:一个函数的`函数名`作为参数传给另外一个函数 1.2 高阶函数:一个函数返回值(return)为另外一个`函数` 2 py ...
- python中比较重要的几个函数_Python 几个重要的内置函数 python中的内置函数和关键字需要背过吗...
python重要的几个内置函数用法 python内置函数什么用忘不掉的是回忆,继续的是生活,错过的,就当是路过吧.来来往往身边出现很多人,总有一个位置,一直没有变.看看温暖的阳光,偶尔还是会想一想. ...
- [转载] Python中生成器和迭代器的区别
参考链接: Python迭代器 Python中生成器和迭代器的区别(代码在Python3.5下测试): Num01–>迭代器 定义: 对于list.string.tuple.dict等这些容器对 ...
- python函数分几种_简单了解Python中的几种函数
python是支持多种范型的语言,可以进行所谓函数式编程,其突出体现在有这么几个函数: filter.map.reduce.lambda.yield lambda lambda函数的使用方法:在lam ...
- Python中str()与repr()函数的区别——repr() 的输出追求明确性,除了对象内容,还需要展示出对象的数据类型信息,适合开发和调试阶段使用...
Python中str()与repr()函数的区别 from:https://www.jianshu.com/p/2a41315ca47e 在 Python 中要将某一类型的变量或者常量转换为字符串对象 ...
- Python编程语言学习:python中与数字相关的函数(取整等)、案例应用之详细攻略
Python编程语言学习:python中与数字相关的函数(取整等).案例应用之详细攻略 目录 python中与数字相关的函数 1.对小数进行向上取整 1.1.利用numpy库 1.2.利用math库
- Python中字符串常用处理函数
** Python中字符串常用处理函数 ** 1.len( )函数 用len( )函数计算字符串的长度 2.strip( )函数 删除字符串两边的空白符(包括:'\n'.'\t'.'\r') 注:只能 ...
- 【Python】Python中str()和repr()函数的区别
作用 在 Python 中要将某一类型的变量或者常量转换为字符串对象通常有两种方法,即 str() 或者 repr() . 区别与使用 参考文章:Python 中 str() 和 repr() 函数的 ...
最新文章
- pythonclass全局变量_Python-多处理全局变量更新未返回给父级
- 【数据展示】matplotlib子图设置子标题(subtitle for subplot)
- VC包含目录、附加依赖项、库目录及具体设置
- Robot on the Board 1 思维,模拟
- System 和 Runtime 类
- linux命令头部,Linux命令学习手册-objcopy命令
- 自我辩证之计划是否该坚持?
- RocketMQ的安装与配置
- android gallery自动播放,可循环显示图像的Android Gallery组件
- matlab将二值图像与原图重叠_图像处理matlab及图像融合图像镶嵌图像拼接
- centos 安装oracle java,CentOS 4.4下安装Oracle 10
- 特斯拉在以色列开售Model 3 比国内贵出30%!
- 软考高项——计算专题
- NodeJS集成Redis实战
- checkIP——烂代码又堆了一个ip活性检测工具
- linux做蓝牙接收器,简单自制蓝牙接收器
- 设计师:设计师的知识储备之异形曲面设计 巴洛克、洛可可 设计理论(三角形构图、平衡式构图、三分法构图 、九宫格构图)之详细攻略
- Exchange 日常管理六之:创建邮箱数据库
- Enterprise Architect安装包及教程
- Idea 去掉 mapper.xml 文件的黄色、淡绿色警告(Windows、Mac)
热门文章
- Qt——P19 资源文件添加
- mybatis中prefix,suffix,prefixOverrides,suffixOverrides用法解释
- Liunux 编程遇到的SIGBUS信号
- 使用Microsoft数据迁移助手在Oracle数据库和SQL Server之间迁移的具体示例
- power bi自定义地图_如何使用自定义形状图在Power BI中创建地理图
- azure云数据库_Azure SQL数据库中的漏洞评估和高级威胁防护
- python sql脚本_使用Python SQL脚本进行数据采样
- sql server 缓存_搜索SQL Server查询计划缓存
- 基于THUCNews数据的BERT分类
- Jenkins+GitHub+Xcode+fir搭了一个持续集成环境